Ir al contenido principal

Técnicas de Análisis de Datos y Big Data (3ª edición)

Inscripción cerrada

Introducción al análisis de datos y Big Data

Sobre este curso

En un mundo globalizado y cada vez más dinámico, la toma de decisiones correctas de forma ágil y eficiente es una actividad esencial en muchos ámbitos de nuestra actividad diaria. Para cualquier sector empresarial es fundamental contar con profesionales que sean capaces de combinar grandes cantidades de datos e información para llevar a cabo procesos de toma de decisiones a partir de evidencias objetivas.

El curso va dirigido a todas aquellas personas que deseen obtener una visión introductoria y práctica sobre análisis de datos y big data. En particular, el MOOC se centra en conceptos, métodos y herramientas básicas para el procesado, análisis y construcción de modelos estadísticos con datos de muy diversa índole. Estos conocimientos son de especial interés para estudiantes, profesionales, así como gestores y directores interesados en comprender los detalles fundamentales del análisis de datos y la aplicación de métodos y técnicas para big data, utilizando tecnologías y herramientas punteras de referencia en este área.

Qué vas a aprender

En el curso el alumnado adquiere una visión sobre:

  • Técnicas y métodos para analizar y visualizar datos en una sola dimensión y en múltiples dimensiones, por medio de herramientas estadísticas, software y modelos.
  • Metodologías más avanzadas para modelado y análisis de datos aplicadas al ámbito de la econometría.
  • Métodos, tecnologías y herramientas más importantes para el análisis de grandes volúmenes de datos (big data).
  • Tendencias y aspectos de vanguardia más importantes que van a influenciar el desarrollo de los métodos, técnicas y herramientas vistos en el curso durante los próximos años.

Requisitos

No existen requisitos formales para cursar el MOOC, si bien es conveniente partir de una formación de diplomatura, licenciatura, ingeniería, grado o postgrado universitarios en áreas técnicas o relacionadas con la estadística, las ciencias económicas o los sistemas de gestión.

Profesorado

Ana Elizabeth García Sipols

Ana Elizabeth García Sipols |    

Licenciada en matemáticas por la Universidad Complutense de Madrid (UCM) en 1996, Doctora en Matemáticas por la Universidad Carlos III de Madrid (UC3M) en 2004. Profesora Titular de Universidad del área de Estadística e Investigación operativa. Participa en proyectos de investigación de la UC3M y URJC. Ha cursado el programa de doctorado en Ingeniería Matemática de la UC3M. Sus intereses de investigación  se centran en las Series Temporales no estacionarias, Inferencia no paramétrica y Técnicas de remuestreo y análisis y desarrollo de técnicas de predicción para series temporales

Clara Simón de Blas

Clara Simón de Blas | 

Profesor contratado doctor y coordinadora del grado de Matemáticas en la URJC. Previamente ha trabajado en la Universidad de San Louis, Avon Cosmetics, I.C.A. y Bayes Forecast como jefe de proyectos. Participa en proyectos de investigación de la UCM y URJC. Ha colaborado con la Universidad de Graz (Austria) y Berkeley (USA) realizando estancias postdoctorales. Sus líneas de investigación actuales son: series temporales, gestión y eficiencia de organizaciones públicas, aplicaciones de estadística, redes sociales y logística humanitaria.

José Felipe Ortega Soto

José Felipe Ortega Soto | 

Investigador, director académico del Máster en Data Science en la URJC. Ha trabajado como coordinador e investigador en más de 35 proyectos nacionales e internacionales. Ha impartido conferencias en prestigiosas instituciones como el Xerox PARC o el Instituto Cervantes. Su investigación se centra en colaboración masiva en Internet, así como aplicación de técnicas y métodos de ciencia de datos.

Preguntas frecuentes

¿A quién va dirigido este curso?

A Diplomados, Ingenieros Técnicos, Licenciados e Ingenieros superiores y Graduados de cualquier universidad. Está especialmente indicado para personas con título de Ingeniería en Informática o Industrial, Ingeniería Técnica en Informática y de Gestión, Ingeniería Técnica en Informática de Sistemas, Ingeniería de Telecomunicación, Organización Industrial, Licenciaturas en Matemáticas, Estadística, Ciencias Económicas, Administración y Dirección de Empresas, Diplomaturas en Estadística y estudios afines a los citados.

¿Para qué me puede servir?

Numerosos informes recientes sostienen que uno de los perfiles con más demanda en la actualidad es el de profesional en business analytics y Big Data con capacidad para combinar métodos de tomas de decisiones y tecnologías de computación avanzadas.

¿Qué certificación obtengo si lo finalizo?

Tienes toda la información acerca de las certificaciones disponibles en URJCx en la página de Preguntas frecuentes, de manera que puedas escoger aquella que más te convenga para tu curriculum una vez aprobado el curso.

¿Cómo inscribirse?

Para registrarse y luego inscribirse en el MOOC de su elección, tan sólo hay que pulsar sobre el botón 'Regístrate Ahora' y completar los datos que se piden.

¿Qué navegadores son compatibles con un MOOC de URJC?

Las versiones actuales de Chrome, Firefox o Safari o Internet Explorer versión 9 o superior.

¿Qué sucede si tengo que abandonar un MOOC?, ¿podré volver a inscribirme en una próxima edición del mismo y/o en otro MOOC en el futuro?

La inscripción y participación en un MOOC de URJC es libre. No hay absolutamente ningún tipo de penalización académica relacionada con su abandono. Puede inscribirse en el mismo MOOC y/o en otros (siempre y cuando todavía lo estemos ofertando) en un momento posterior.

¿Cuando empieza y termina mi MOOC?

La fecha de inicio y duración de cada MOOC está en la página de descripción del mismo. Si está inscrito en un MOOC, también verá su fecha de inicio en su panel de control. Un MOOC puede comenzar en cualquier momento durante el día de su fecha de inicio. Si encuentra que su MOOC no está disponible de inmediato, por favor, vuelva más tarde a lo largo del día. El calendario del MOOC es flexible. No es necesario entrar exactamente cuando comienza el MOOC, aunque es recomendable seguir los plazos recomendados.

  1. Código del curso

    URJCx107
  2. Inicio de clases

  3. Término de clases

  4. Esfuerzo estimado

    5 horas / semana
  5. Duración

    6 semanas
  6. Precio

    Gratuito
  7. Suscripción al boletín

    * campo obligatorio

Itinerario del curso

0. Guía del curso

Bienvenida: objetivos y equipo docente   

Cronograma/Programa

Metodología (recursos y evaluación)

Normas Foros

Certificaciones

Guía del curso (PDF)

1. Análisis y Visualización de datos Univariantes

Guía de aprendizaje

La muestra en investigación   

Análisis Exploratorio de datos   

Clasificación univariante   

EVALUACIÓN SEMANA 1

2. Análisis y Visualización de datos Multivariantes

Guía de aprendizaje

Relación multivariante cuantitativa   

Relación multivariante cualitativa   

Análisis multivariante de datos   

EVALUACIÓN SEMANA 2

3. Técnicas Econométricas (Modelización y Predicción)

Guía de aprendizaje

GRETL, la Econometría, Modelo de Regresión Lineal Simple   

Modelo de Regresión Lineal Múltiple   

Series temporales   

EVALUACIÓN SEMANA 3

4. Big Data: Conceptos, Métodos y Tecnologías

Guía de aprendizaje

Conceptos y Métodos para Ánalisis de Big Data   

Arquitecturas de Análisis de Big Data   

Tecnologías y Herramientas para Análisis de Big Data   

EVALUACIÓN SEMANA 4

5 Tendencias de Análisis de Datos y Big Data

Guía de aprendizaje

Tendencias en Análisis y Visualización de Datos   

Tendencias en Técnicas Econométricas

Tendencias en Análisis de Big Data   

EVALUACIÓN SEMANA 5

6. Cierre del curso

Despedida   

Insignia

Certificación

Información adicional

Encuesta de satisfacción